基于粒子群的神经网络结构优化模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·神经网络的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·主要研究工作 | 第10-11页 |
| ·论文的结构 | 第11-12页 |
| 2 神经网络概述 | 第12-18页 |
| ·前馈神经网络及BP算法简介 | 第12-14页 |
| ·BP 算法存在的不足及其改进方法 | 第14-16页 |
| ·神经网络结构的设计 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 粒子群优化算法原理和方法 | 第18-27页 |
| ·粒子群优化算法的发展背景 | 第18页 |
| ·粒子群优化算法的基本模型 | 第18-21页 |
| ·算法原理 | 第18-20页 |
| ·算法流程 | 第20-21页 |
| ·基于差分方程粒子群收敛性分析和参数选择 | 第21-26页 |
| ·前言 | 第21-22页 |
| ·粒子群优化算法的差分方程形式 | 第22页 |
| ·最优值变动的粒子群收敛性分析 | 第22-24页 |
| ·仿真试验 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 4 改进的粒子群优化算法 | 第27-35页 |
| ·引言 | 第27页 |
| ·协同粒子群 | 第27-29页 |
| ·协同进化机制 | 第27页 |
| ·两步前进，一步后退 | 第27-28页 |
| ·算法原理 | 第28-29页 |
| ·带有混沌搜索机制的协同粒子群 | 第29-31页 |
| ·混沌搜索机制 | 第29-30页 |
| ·CCPSO 的停滞判定策略 | 第30-31页 |
| ·CCPSO 的算法流程 | 第31页 |
| ·实验仿真 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 5 改进的粒子群优化算法在神经网络中的应用 | 第35-41页 |
| ·训练神经网络的 PSO 算法的设计 | 第35-38页 |
| ·问题的描述 | 第35页 |
| ·算法设计 | 第35-37页 |
| ·算法的评价及分析 | 第37-38页 |
| ·混沌协同粒子群在神经网络中的应用 | 第38-40页 |
| ·基于 CCPSO 的 BP 神经网络学习算法 | 第38-39页 |
| ·实验仿真 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 6 结论与展望 | 第41-43页 |
| ·论文总结 | 第41-42页 |
| ·未来工作展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 攻读学位期间发表文章 | 第47页 |
| 在读期间参加科研情况 | 第47-48页 |
| 致谢 | 第48页 |
